网站图标

WeiqiOK.com

 
 
 

首页』  『新闻』  『题库』  『布局』  『谱度』  『猜局』  『教程』  『赛事』  『视频』  『自助』  『会员
论坛』  『服务』  『模板』  『定式』  『查谱』  『研究』  『名局』  『棋手』  『资源』  『上传』  『汇款

2017AI四大成就 击败围棋与德扑高手上榜


此新闻(手机节流版)来自【新浪网】,版权归【新浪网】所有,原文地址为:
http://sports.sina.com.cn/go/2017-12-31/doc-ifyqefvw5382012.shtml

本站旨在帮助棋友通过网站(手机)了解业内资讯。如涉侵权,敬请告之,我们将在第一时间删除。

新智元

新智元

  来源:新智元公众号

  新智元报道  

  编辑: 弗格森 全月

  [新智元导读]2017年AI都有哪些耀眼的成就,除了大家耳熟能详的AlphaGo,还有自学写代码的AI,能发现另一个太阳系的AI。 

  2017年是人工智能领域蓬勃发展的一年。 虽然AI和以数据为中心的机器学习已经存在有数十年的历史,但是,直到今年,算法技术才真正在各行各业和各种语境下广为人知。

  微软英国首席愿景官戴夫·科普林(Dave Coplin)把AI称为 “最重要的技术,这个星球上的每一个人都在为此工作”,而硅谷的公司似乎也是这么想的:他们一直在到处招聘AI专家,那些因为人才短缺而找不到相应人才的公司,也已经开始让员工自己学习最基本的AI知识。

  虽然如此,但也不是每一个AI的成就都受到了赞赏和掌声的欢迎。有人担心人类的偏见会被引入到AI系统中。例如,ProPublica在2016年发现,用于预测未来犯罪分子的软件算法严重歧视黑人嫌疑人。今年早些时候,Facebook也引发了抨击,这家公司的算法生成的广告客户分类可以被用于给用户打标签,其中包括一些充满敌意的群体和话题,比如“反犹太者”。类似这样的情况促使专家敦促公司和开发者在关于AI系统如何工作的阐释上需要更加透明。不过,在许多其他情况下,特别是最近,AI已经被用来实现美好的愿望:帮助发现,改善自我,帮助我们超越人类的思维局限。

  AI发现了一个包含八颗行星的太阳系

  成功的天文学发现通常围绕研究数据 - 大量的数据 - 这是AI和机器学习非常擅长的地方。事实上,天文学家使用人工智能来筛选开普勒望远镜上获得的多年数据。在本月早些时候确定了一个遥远的八行星太阳系。 

  从2009年到2013年,开普勒望远镜的光度计每半小时捕捉20万颗不同恒星的10个像素图像,以寻找恒星亮度的变化。如果一颗恒星以一种规则的重复模式变暗和变亮,这可能表明它有行星绕行。 (也可以使用这些信息来估算一个行星的轨道大小和轨道长度。)

  得克萨斯大学奥斯汀分校的天文学家安德鲁·范德堡(Andrew Vanderburg)和Google软件工程师克里斯托弗·沙尔(Christopher Shallue) 开发了一个神经网络,使用1500颗系外行星的引导,达成了这一发现。他们根据已知的系外行星位置对670颗星星重新校准定位,但聚焦于弱信号 - 以前的研究人员可能错过了较小的系外行星。新发现的行星被称为开普勒90i,这似乎是绕行的第三颗行星,就像我们自己的地球一样。

  铸造无敌“围棋大师“

  Google的DeepMind研究人员开发一个AI,用于玩复杂的中国战略游戏围棋。五月份,最初版本的AI击败了世界上最好的围棋玩家,但这还不够。几个月后,Google开发了AlphaGo 的最新版本 AlphaGo Zero。这个AI实现了超人类水平的围棋表现 - 以100:0击败了原来的AlphaGo。

  无限注德州扑克游戏

  卡内基梅隆公司的计算机科学部门开发的最新的AI扑克游戏者最近打败了专业人士。与国际象棋和围棋等策略游戏不同,扑克被认为是“不完美的信息游戏”,因为玩家必须做出决定,即使隐藏了一些信息。最重要的是,这不仅仅是动作指令,它甚至也知道什么时候该虚张声势。卡内基梅隆大学的AI  Libratus在为期20天的比赛中赢得了20万美元的奖金,击败了世界顶级扑克专业人士。

  自我学习程序

  人工智能今年不仅取得了一些显著的发现,它在不同的领域的应用也很出色,甚至让程序员都显得过时了。几个不同的人工智能程序(包括谷歌,微软和Facebook开发的程序)学会了如何编写基本代码,以帮助非程序员处理复杂的电子表格计算,或者减少开发人员必须面对的一些麻烦。

  微软的AI DeepCoder可能被认为是三者中最基本的一个,尽管它仍然是一个令人难以置信的复杂的技术。这个AI可以理解您需要解决的数学问题,可以查看代码中相似问题的现有示例,然后开发基于代码的解决方案。 

  对于那些不能或不想学习编码,但需要使用基于代码的解决方案进行计算(例如,棘手的电子表格计算)的人来说,DeepCoder最终可能是非常有用的。解决方案相对简单,在解决方案和结构方面,基于AI的以前经历,它们通常最终总共只有三到六行代码。

  Google的机器学习自学软件AutoML,在一个案例中,学会识别照片中的物体,这是一个更具挑战性的任务,它最终实现了43%的任务成功率,比同行开发的代码高出4个百分点。然而,AutoML的最大好处是自动化机器学习模型的开发过程,这对于人类机器学习专家而言通常是相当耗时的。

  然后是Facebook的自我学习的聊天机器人,它们的自学能力略有不同。 例如,Bob和Alice,这两个A.I。机器人开始用英语发音,但是后来发展了自己的语言来说话。

  “聊天机器人会摆脱可理解的语言,为自己发明代码字,”来自乔治亚理工学院,现任Facebook AI研究院的科学家Dhruv Batra在接受FastCo的采访说到。

  随即便在媒体上引起了很大反响,“令人毛骨悚然”是对这一发现最常见的描述,但实际上这是一个相当普遍的现象。

  这类技术基于奖励的系统演变,原理是如果一个行动没有得到特定的正向反馈,他们会尝试其它的东西。 尽管如此,Facebook的研究人员最终关闭了AI 机器人项目,因为他们的目标是创建实体,最终将与人互动 , 这些数字机器人没有人的风格。



声明:该新闻的版权归原网站所有,本站仅为方便广大棋友阅读、检索使用。     粤ICP备11025915号
有任何意见和建议,请【联系我们】,工作时间:周一至周六 9:00am - 9:00pm,联系电话:0755-83857813     点击这里给我发消息